Vacuna mRNA de neoantígeno tumoral
✓ 已验证Pipeline de 8 pasos integrales · Desde VCF/BAM hasta diseño de secuencia mRNA · Educación · Servicio · Tecnología
El pipeline más maduro y competitivo del sistema de salud de DiVo Gen²AI. Cobertura del 100% de todos los pasos de laboratorio en seco para vacunas de neoantígeno tumoral. Esta página está dirigida a tres audiencias: pacientes y público que desean comprender las vacunas de neoantígeno, equipos farmacéuticos que buscan socios de servicios computacionales, e inversores y colegas que evalúan las capacidades técnicas.
Lea "Qué es una vacuna de neoantígeno", "Flujo de 5 pasos", "Hitos" a continuación--cambie su comprensión de la inmunoterapia.
Enfóquese en "El rol de DiVo", "Pipeline de 8 pasos", "Capacidades verificadas", "Informes de muestra"--tenemos entregables.
Enfóquese en "Tres diferenciadores", "Benchmarks", "Línea base TESLA", "Glosario"--evalúe las barreras técnicas.
A los pacientes y familias
Nuestro servicio de pipeline de computación en seco de neoantígeno tumoral es un negocio que trabaja en coordinación con instituciones médicas, no es un servicio dirigido directamente a usuarios individuales y pacientes. Por favor, contáctenos a través del médico tratante de la institución médica donde usted está siendo atendido. No eludiremos al médico tratante para proporcionar a los pacientes y familias opiniones médicas sobre los síntomas tumorales y las terapias del paciente. Los datos y reportes científicos también deben obtenerse e interpretarse a través de su médico tratante.
¿Tiene un informe de secuenciación del genoma completo (VCF)?
Si usted tiene su documento VCF de informe de secuenciación del genoma completo, podemos proporcionarle informes de interpretación y análisis científicos no médicos. Por favor, consulte nuestro servicio general--Informe de Interpretación Genómica.
Qué es una vacuna mRNA de neoantígeno tumoral
Cada célula tumoral porta mutaciones genéticas que las células normales no tienen. Algunas de estas mutaciones producen nuevos fragmentos proteicos--neoantígenos (Neoantigen). Son las "huellas dactilares" que las células tumorales dejan en su superficie. El sistema inmunológico teóricamente puede identificar y eliminar tumores basándose en ellas, pero en la realidad la señal suele ser demasiado débil y los mecanismos de evasión demasiado numerosos, por lo que las respuestas inmunitarias no se activan.
Las vacunas mRNA de neoantígeno funcionan codificando los fragmentos de mutación específicos del tumor del paciente en mRNA. Tras su administración en el cuerpo, las células humanas traducen estos antígenos, activando respuestas específicas de células T--como darle al sistema inmunológico una "orden de búsqueda" para cazar con precisión las células tumorales que portan estas huellas.
Este es un tratamiento completamente personalizado: el perfil de mutación tumoral de cada paciente es diferente, por lo que la secuencia de vacuna correspondiente también lo es. Es por esto que la predicción computacional es el eslabón crítico de todo el pipeline--una sola muestra tumoral puede producir miles de péptidos candidatos, y es imposible validar experimentalmente cada uno. Los algoritmos deben filtrar con precisión los pocos más propensos a desencadenar respuestas inmunitarias.
Solo existen en células tumorales, no en tejido normal. Teóricamente pueden ser reconocidos con precisión por el sistema inmunológico sin dañar tejidos sanos.
Diseño rápido, ciclo de producción corto, sin cultivo celular. Se adapta naturalmente al escenario personalizado de "una persona, un fármaco"; la secuencia es el medicamento.
Miles de péptidos candidatos no pueden ser validados experimentalmente de forma individual. La precisión del filtrado algorítmico determina directamente si la vacuna puede realmente activar las células T.
5 pasos de las vacunas mRNA
Desde el muestreo tumoral hasta la activación inmunitaria, un flujo completo de vacuna personalizada
Muestra
Obtener muestras de tejido tumoral y tejido normal del paciente, realizar secuenciación del exoma completo (WES)
Identificar dianas
Encontrar mutaciones específicas del tumor a partir de los datos de secuenciación, filtrar los péptidos neoantigénicos más propensos a activar células T mediante predicción de unión MHC
Codificar mRNA
Codificar las secuencias peptídicas neoantigénicas filtradas en mRNA, optimizar codones y secuencias UTR para una traducción eficiente en humanos
Entrega
Encapsular el mRNA en nanopartículas lipídicas (LNP) o células dendríticas (DC), inyectar al paciente
Activación inmunitaria
Las células humanas traducen el mRNA para producir proteínas neoantigénicas, las moléculas MHC las presentan a las células T, iniciando respuestas inmunitarias antitumorales específicas
Todo el proceso dura aproximadamente 4-8 semanas (principalmente secuenciación + computación + síntesis personalizada de mRNA). El paso 2 "Identificar dianas" y el paso 3 "Codificar mRNA"--desde los datos de secuenciación hasta el diseño de secuencia mRNA--constituyen el alcance completo de cobertura del servicio computacional de DiVo Gen²AI.
Hitos del desarrollo de vacunas mRNA de neoantígeno
Desde la validación de concepto en 2017 hasta la aceleración de industrialización en 2025
El equipo de Sahin (BioNTech) reportó por primera vez en Nature los resultados clínicos de la vacuna mRNA de neoantígeno individualizada, los pacientes con melanoma desarrollaron respuestas de células T específicas de neoantígeno
Validación de concepto
El equipo de Wells publicó en Cell el benchmark TESLA, estableciendo el estándar de oro para la predicción de neoantígenos (608 péptido-MHC)
Benchmark AUROC
Moderna mRNA-4157/V940 + Keytruda en Fase II prolongó significativamente la supervivencia libre de recidiva, la FDA otorgó la designación de terapia innovadora
Combinación con punto de control inmunitario
La inyección LK101 de Likon Life recibió aprobación clínica de la NMPA, primera vacuna mRNA de neoantígeno IA+personalizada del país
Primera en China
BioNTech Autogene cevumeran avanza en Fase III; el pipeline de vacunas de neoantígeno personalizadas de Moderna se expande a múltiples tipos de cáncer
Aceleración de industrialización
El rol de DiVo Gen²AI
En el flujo de la vacuna mRNA de neoantígeno, gestionamos todos los pasos de laboratorio en seco de "identificación de dianas + diseño de mRNA"
En el flujo de la vacuna mRNA de neoantígeno, "encontrar las dianas correctas" y "diseñar las secuencias mRNA óptimas" son los pasos más dependientes de la predicción computacional--es imposible validar experimentalmente cada péptido candidato, los algoritmos deben filtrar con precisión.
- ▸Tipificación HLA--determinar el tipo MHC del paciente, una tipificación incorrecta invalida todo lo posterior
- ▸Detección de variantes y generación de péptidos--extraer mutaciones específicas del tumor y péptidos candidatos del VCF/BAM
- ▸Predicción de unión MHC + Validación de estructura pMHC--desde IC50 hasta la confirmación de estructura 3D a nivel atómico
- ▸Puntuación de inmunogenicidad de 5 dimensiones--no solo afinidad, filtrado cruzado en 5 dimensiones
- ▸Diseño de secuencia mRNA + Validación de reconocimiento TCR--desde la secuencia de aminoácidos hasta el mRNA entregable
No producimos entidades vacunales. Entregamos propuestas de diseño de secuencia que pueden ingresar directamente a la síntesis en laboratorio húmedo y la presentación clínica.
Pipeline integral de 8 pasos
100% de cobertura de todos los pasos de laboratorio en seco · Haga clic en los pasos para ver la validación subyacente
Tipificación HLA
✓ 已验证OptiType + Polysolver validación cruzada de doble herramienta
Resultados de tipificación HLA-I de resolución de 4 dígitos
Detección y anotación de variantes
✓ 已验证GATK Mutect2 + VEP + ANNOVAR
Lista de variantes somáticas + anotación funcional
Generación de péptidos
✓ 已验证pVACseq + pVACfuse + ScanNeo2 + NeoGuider
Péptidos neoantigénicos candidatos
Predicción de unión MHC
✓ 已验证MHCflurry(14,883 alelos) + MHCnuggets + IEDB API
IC50 mín. 10.1 nM, 22 candidatos de alta afinidad
Predicción de estructura pMHC 3D
✓ 已验证DiVoFold5/Protenix
Estructura pMHC a nivel atómico, pLDDT=95.4, ipTM=0.977
Puntuación de inmunogenicidad de 5 dimensiones
✓ 已验证Afinidad MHC 30%+presentación 20%+procesamiento 10%+inmunogenicidad conocida 15%+puntuación estructural 25%
45 candidatos clasificados por Tier, 17 Tier-1
Diseño de secuencia mRNA
✓ 已验证GEMORNA + RNALens modelo propio + DNAChisel + ViennaRNA
CAI 0.7->0.95, MRL Spearman=0.92
Validación de reconocimiento TCR
✓ 已验证DeepTCR(Recon Acc=0.972) + ProTCR
Evaluación de viabilidad de reconocimiento TCR
Tres diferenciadores clave
Capacidades que los pipelines tradicionales no poseen
Validación de estructura pMHC 3D
Los pipelines tradicionales solo utilizan valores IC50 para la unión. DiVo construye estructuras pMHC 3D a nivel atómico para cada candidato, pLDDT/ipTM valida la credibilidad de la conformación espacial. Más de 400 complejos validados a escala.
Puntuación de inmunogenicidad de 5 dimensiones
Los pipelines tradicionales solo usan afinidad MHC para el filtrado. DiVo añade 5 dimensiones de puntuación--afinidad 30%+presentación 20%+procesamiento 10%+inmunogenicidad conocida 15%+puntuación estructural 25%, mayor precisión de filtrado.
Modelo RNALens propio ajustado
Predicción de eficiencia de carga ribosomal para el diseño de secuencia mRNA--Spearman=0.92, R²=0.87--basada en ajuste fino de tres etapas de DNABERT-Z 117M. No es una llamada a una API de terceros, sino parte de 560K líneas de código propio.
Base de ingeniería verificable
| Métrica | Valor | Nota |
|---|---|---|
| AUROC benchmark TESLA | 0.698 | Wells Cell 2020, 608 péptido-MHC |
| Cobertura de alelos MHC-I | 65 | IC50 medido mín. 10.1 nM |
| Cobertura de alelos MHC-II | 25 | 13 DR + 5 DP + 7 DQ |
| Estructura pMHC pLDDT | 95.4 | Acercándose a la precisión de cristalografía de rayos X |
| pMHC ipTM | 0.977 | Confianza global del complejo |
| RNALens MRL Spearman | 0.92 | R²=0.87, modelo propio |
| Mejora CAI de mRNA | 0.7->0.95 | Optimización del índice de adaptación de codones |
| Validación a gran escala | 400+ | Validación de predicción por lotes de complejos |
| Cantidad de candidatos Tier-1 | 17 | Nivel más alto entre 45 candidatos |
Top 5 neoantígenos candidatos Tier-1
Datos de validación reales, no valores simulados
| Péptido | HLA | Fuente antigénica | IC50 (nM) | Puntuación | Tier |
|---|---|---|---|---|---|
| LLFGYPVYV | HLA-A*02:01 | HTLV-1 Tax | 10.1 | 100 | Tier-1 |
| KVAELVHFL | HLA-A*02:01 | MAGE-A1 | 14.4 | 100 | Tier-1 |
| RMFPNAPYL | HLA-A*02:01 | WT1 | 14.3 | 100 | Tier-1 |
| FLWGPRALV | HLA-A*02:01 | WT1 | 13.6 | 93 | Tier-1 |
| IMDQVPFSV | HLA-A*02:01 | NY-ESO-1 | 15.9 | 93 | Tier-1 |
Capacidades técnicas verificadas
Cada pipeline subyacente tiene datos de validación independientes + informes de muestra
Tipificación HLA (validación cruzada de doble herramienta)
✓ 已验证· Tiene informe de muestraOptiType + Polysolver de doble herramienta, tipificación HLA-I de resolución de 4 dígitos. Primer paso del pipeline de neoantígeno--una tipificación incorrecta invalida todo lo posterior.
Predicción de estructura pMHC 3D + validación de docking
✓ 已验证· Tiene informe de muestraProtenix + Protenix-Dock, pLDDT=95.4, ipTM=0.977, más de 400 complejos validados. Desde valores IC50 hasta estructuras 3D a nivel atómico.
Optimización de secuencia mRNA (RNALens)
✓ 已验证· Tiene informe de muestraGEMORNA + RNALens modelo propio, Spearman=0.92, CAI 0.7->0.95. 560K líneas de código propio, no es una API de terceros.
Informe de interpretación genómica
✓ 已验证· Tiene informe de muestraPipeline de 10 pasos integrales, validación cruzada de 3 FM genómicos, HCC1395 WGS verificado. Datos de secuenciación aguas arriba del pipeline de neoantígeno.
Computación de terapia celular CAR-T
✓ 已验证Extensión aguas abajo del pipeline de neoantígeno--recomendación de dianas + diseño de novo de Binder + validación estructural + optimización de mRNA, pipeline de 5 pasos.
Límites honestos
Lo que podemos y no podemos hacer, claramente establecido
Lo que podemos hacer
Lo que no hacemos
Informes de muestra disponibles
Informe de simulación completo del pipeline de 8 pasos, que incluye tipificación HLA, predicción de unión MHC, estructura pMHC, puntuación de inmunogenicidad y diseño de secuencia mRNA--salida completa del flujo. Informe PDF de 14 páginas + versión MD bilingüe.
Referencia de precios del mercado de la industria
Información pública recopilada · No son tarifas de DiVo · Solo como referencia
Nota de alcance: Los siguientes son precios de referencia públicos del mercado para cursos completos de vacunas mRNA de neoantígeno tumoral, que cubren secuenciación tumoral, filtrado de neoantígenos, síntesis de mRNA, sistemas de entrega, producción personalizada y todos los costos hospitalarios. DiVo Gen²AI gestiona los pasos computacionales de laboratorio en seco (es decir, el pipeline de 8 pasos de esta página), y no es el productor ni vendedor de entidades vacunales.
Composición de costos y factores
Los datos anteriores son de referencia de informes públicos. Los costos reales requieren consultar a hospitales/empresas específicas y evaluar las indicaciones, seguridad y eficacia del paciente. Estos tratamientos son mayoritariamente de pago privado. Considere combinar el asesoramiento médico, la inscripción en ensayos clínicos (puede reducir costos) o la capacidad financiera.
Glosario
Los 10 términos más comunes en vacunas mRNA de neoantígeno
| Abrev. | Nombre completo | Traducción | Explicación |
|---|---|---|---|
| Neoantigen | Neoantigen | Neoantígeno | Péptidos antigénicos producidos por mutaciones específicas del tumor, no expresados en tejido normal, dianas para vacunas personalizadas |
| MHC | Major Histocompatibility Complex | Complejo principal de histocompatibilidad | El "tablón de exhibición" en la superficie celular, que presenta fragmentos proteicos intracelulares a las células T |
| HLA | Human Leukocyte Antigen | Antígeno leucocitario humano | El nombre del MHC en humanos, que determina qué péptidos pueden ser presentados a las células T |
| IC50 | Half Maximal Inhibitory Concentration | Concentración inhibitoria media máxima | Métrica cuantitativa de la afinidad de unión MHC-péptido, cuanto más baja más fuerte (<50 nM es unión fuerte) |
| pMHC | peptide-MHC complex | Complejo péptido-MHC | Complejo de péptido antigénico presentado por moléculas MHC, diana del reconocimiento por células T |
| pLDDT | predicted Local Distance Difference Test | Test predicho de diferencia de distancia local | Confianza de predicción de estructura proteica, >90 es alta confianza, >70 es utilizable |
| ipTM | interface predicted TM-score | Puntuación TM predicha de interfaz | Confianza de interacción de interfaz de complejo proteico, >0.75 es alta confianza |
| CAI | Codon Adaptation Index | Índice de adaptación de codones | Métrica de eficiencia de traducción de secuencia mRNA, cuanto más cercano a 1 más eficiente |
| MRL | Mean Ribosome Load | Carga ribosomal media | Medida directa de la eficiencia de traducción de mRNA, cuanto más alta mayor expresión proteica |
| LNP | Lipid Nanoparticle | Nanopartícula lipídica | Vehículo de entrega de mRNA, que protege el mRNA y lo libera tras entrar en las células humanas para su traducción |
CAPACITY TRACE
能力回溯
这项服务由哪些能力支撑——从硅片到你的场景
硅片(L1) → 模型(L2) → Agent(L3) → 管线(L4) → 你的场景